用近红外反射图像进行深度学习来区分光盘水和伪皮囊水
Cumhur Ozbas1, Furkan Kirik2, Ersin Akbulut2
1Department of Ophthalmology, Sanliurfa Training and Research Hospital, Yenice, Yenice Road No:1, Sanlıurfa, Eyyubiye, 63250, Turkey. cumhurozbas92@gmail.com.
BMC ophthalmology
|October 22, 2025
概括
一个新的深度学习 (DL) 算法有效地使用近红外反射率 (NIR) 图像来区分光盘胀与伪皮囊胀. 这种人工智能工具显示出高精度,可能有助于眼科的临床决策.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 从临床上看,区分光盘水与伪皮囊水具有重要意义.
- 近红外反射 (NIR) 成像为视神经头部评估提供了一种非侵入性方法.
研究的目的:
- 开发一种深度学习 (DL) 算法,用于使用NIR图像对光盘水和伪皮囊水进行分类.
- 评估开发的AI模型的诊断准确性.
主要方法:
- 一个DL模型在NIR图像的数据集上进行了训练和测试.
- 图像数据被分为训练 (85%) 和测试 (15%) 集.
- 用灵敏度,特异性,准确性和曲线下的面积 (AUC) 来评估模型性能.
主要成果:
- DL模型在未见的NIR图像上实现了高诊断性能.
- 具体的性能指标包括100%的灵敏度 (),98%的灵敏度 (伪皮),96%的正常度;99%,97%,100%的特异性;99%,98%,98%的准确度.
- AUC值始终很高,从0.973到0.995.99不等.
结论:
- 开发的DL算法在区分光盘胀和伪囊胀方面表现出了卓越的诊断能力.
- 与DL相结合的NIR成像显示出作为眼科医生可靠的临床决策支持工具的希望.
